Chunk English Fast

🚀 Flair英文組塊分析（快速模型）

本項目是一個用於英文的快速短語組塊分析模型，它集成於 Flair 框架中。該模型在CoNLL - 2000數據集上的F1分數達到了 96.22，能夠預測以下4種標籤：

此模型基於 Flair嵌入 和LSTM - CRF構建。

🚀 快速開始

本模型需要 Flair 庫，你可以使用以下命令進行安裝：

pip install flair

✨ 主要特性

• 高性能：在CoNLL - 2000數據集上F1分數達到96.22。
• 多標籤預測：能夠預測多種類型的短語標籤。
• 基於先進技術：採用Flair嵌入和LSTM - CRF架構。

💻 使用示例

基礎用法

from flair.data import Sentence
from flair.models import SequenceTagger

# 加載標籤器
tagger = SequenceTagger.load("flair/chunk-english-fast")

# 創建示例句子
sentence = Sentence("The happy man has been eating at the diner")

# 預測命名實體識別標籤
tagger.predict(sentence)

# 打印句子
print(sentence)

# 打印預測的命名實體識別跨度
print('The following NER tags are found:')
# 遍歷實體並打印
for entity in sentence.get_spans('np'):
    print(entity)

上述代碼會產生以下輸出：

Span [1,2,3]: "The happy man"   [− Labels: NP (0.9958)]
Span [4,5,6]: "has been eating"   [− Labels: VP (0.8759)]
Span [7]: "at"   [− Labels: PP (1.0)]
Span [8,9]: "the diner"   [− Labels: NP (0.9991)]

在句子 “The happy man has been eating at the diner” 中，“The happy man” 和 “the diner” 被標記為 名詞短語 (NP)，“has been eating” 被標記為 動詞短語 (VP)。

📚 詳細文檔

訓練腳本

以下是用於訓練該模型的Flair腳本：

from flair.data import Corpus
from flair.datasets import CONLL_2000
from flair.embeddings import WordEmbeddings, StackedEmbeddings, FlairEmbeddings

# 1. 獲取語料庫
corpus: Corpus = CONLL_2000()

# 2. 確定要預測的標籤類型
tag_type = 'np'

# 3. 從語料庫中創建標籤字典
tag_dictionary = corpus.make_tag_dictionary(tag_type=tag_type)

# 4. 初始化使用的嵌入
embedding_types = [

    # 上下文字符串嵌入，正向
    FlairEmbeddings('news-forward-fast'),

    # 上下文字符串嵌入，反向
    FlairEmbeddings('news-backward-fast'),
]

# 嵌入棧由Flair和GloVe嵌入組成
embeddings = StackedEmbeddings(embeddings=embedding_types)

# 5. 初始化序列標籤器
from flair.models import SequenceTagger

tagger = SequenceTagger(hidden_size=256,
                        embeddings=embeddings,
                        tag_dictionary=tag_dictionary,
                        tag_type=tag_type)

# 6. 初始化訓練器
from flair.trainers import ModelTrainer

trainer = ModelTrainer(tagger, corpus)

# 7. 開始訓練
trainer.train('resources/taggers/chunk-english-fast',
              train_with_dev=True,
              max_epochs=150)

引用信息

使用此模型時，請引用以下論文：

@inproceedings{akbik2018coling,
  title={Contextual String Embeddings for Sequence Labeling},
  author={Akbik, Alan and Blythe, Duncan and Vollgraf, Roland},
  booktitle = {{COLING} 2018, 27th International Conference on Computational Linguistics},
  pages     = {1638--1649},
  year      = {2018}
}

問題反饋

如果你遇到任何問題，可以在 Flair問題跟蹤器 中反饋。